基于稀疏和低秩表示的人臉識別研究.pdf

1、作為一種有效的生物特征識別技術，人臉識別在公共安全和日常生活的諸多領域有著廣闊的應用前景。經(jīng)過幾十年的發(fā)展，人臉識別系統(tǒng)在受控條件下已經(jīng)能夠取得令人滿意的識別性能。但是，實際非受控條件下的人臉識別因為存在光照變化、表情變化、遮擋和偽裝等因素影響，當前的人臉識別系統(tǒng)遠不能滿足應用需求，面向非受控環(huán)境的人臉識別研究成為當前模式識別與計算機視覺領域的關注熱點。
　　近年來，隨著壓縮感知理論的提出和興起，一種基于稀疏表示分類的人臉識別框架

2、得到了國內外該領域研究者們的廣泛關注和極大興趣。以信號具有稀疏性為基礎，壓縮感知理論為實現(xiàn)高維數(shù)據(jù)的降維采樣提供了有效的解決方案，而以此為基本原理發(fā)展的稀疏表示分類,通過利用所有訓練樣本組成過完備字典對待測樣本施以稀疏約束表示，為實現(xiàn)魯棒性人臉識別展現(xiàn)出良好的潛能。
　　針對非受控環(huán)境的遮擋人臉識別問題，基于稀疏表示分類和低秩矩陣恢復理論，本論文著重探討了基于位置先驗信息加權及訓練字典優(yōu)化設計的稀疏表示分類人臉識別。論文的主要工作

3、如下：
　?。?）稀疏表示分類人臉識別系統(tǒng)的分析與比較。在系統(tǒng)學習壓縮感知理論的基礎上，深入研究了稀疏表示分類人臉識別、協(xié)作表示分類人臉識別的思想、方法，分析和比較了各分類算法在基于經(jīng)典的全局特征與局部特征提取條件下的系統(tǒng)性能。
　?。?）基于分塊最大相似性嵌入的稀疏表示人臉識別研究。相似性先驗嵌入的稀疏編碼有助于提升人臉識別在低維特征空間上的識別性能，而在實際非受控的應用場合下，待識別人臉圖像可能存在有意的部分遮擋/偽裝、

4、表情變化，采用圖像全局相似性的先驗值難以真實地反映位置關系，使得全局相似性嵌入的稀疏編碼表示人臉分類的性能有所降低。為此，本論文探討了一種分塊最大相似性嵌入稀疏編碼的人臉識別算法，對非受控的人臉圖像進行非重疊分塊，以待測圖像和訓練圖像相應分塊的相似性最大值衡量圖像間的相似度，并嵌入于稀疏編碼表示的人臉識別中。實驗結果表明，與基于全局相似性先驗的人臉識別算法相比，提出的算法獲得了恰當有效的位置結構信息，對同時存在遮擋/偽裝的待測樣本和訓練

5、樣本在特征低維識別性能上有明顯的提升。
　　（3）基于低秩矩陣恢復的訓練字典優(yōu)化設計。訓練圖像存在的干擾成分破壞了其可分離特性及判別能力，濾除訓練字典中的干擾成分將有利于改善提取特征的表達能力，增強字典的稀疏表示能力，優(yōu)化字典設計對于提升稀疏編碼圖像分類性能具有重要影響。為消除光照、表情變化的不利影響，控制遮擋/偽裝對人臉面部特征的破壞程度，實現(xiàn)人臉圖像特征的優(yōu)化表達，探討了一種基于低秩矩陣恢復的訓練字典優(yōu)化設計，并基于此優(yōu)化字典